AI 蓝鲸汇 希望用一个相对稳定、小规模、高质量的方式，把真正长期在一线做 AI 的人请到一起，围绕一个具体问题，做一次不赶时间的交流。

这是 AI 蓝鲸汇 系列活动的第四期的演讲内容实录摘要。

一、 核心理念：时间作为记忆的第一性原理

余宣庆指出，目前的 RAG（检索增强生成）方案主要存在碎片化和细节丢失的问题 。他主张以时间为第一性原理来重塑记忆，因为应用系统中的交互日志（Events）天然带有时间戳 。其技术核心在于通过 TKG（时序知识图谱）来捕捉信息的趋势感知，使智能体不仅具备回顾过去的能力，还能够预测下一个时刻的行动 。

二、 技术架构：分层记忆与认知加工

余宣庆展示了一套名为 TMT（时序记忆树）的算法架构 。这套方案通过三个环层实现智能体的持续成长：

●分层长期记忆：将原始数据逐层巩固为会话记忆、日报、周报及用户画像 。这种金字塔模式解决了时间连续性问题，并提升了在复杂场景下的检索准确率 。

●经验学习层：通过反思机制将轨迹数据提炼为可复用的技能（Skills）和规则（Rules） 。这使智能体能够像实习生一样在交互中逐渐变得专业 。

●预测推荐层：挖掘数据中的因果关系，预测用户意图或任务结果 。这种方式可以利用预测代替部分实际行动，从而显著降低 Token 消耗 。

三、 商业场景与落地路径

余宣庆将记忆引擎定位为“认知加工层”，并划定了四大应用方向：

●开发者与专业用户（Pro-C）： 提供个人版或团队版的记忆中台，保留代码风格、环境适配方案等经验资产，解决智能体替换带来的资产流失问题 。

●企业级解决方案： 面向大型国央企提供 MCP 服务或定制化一体机，适配其内部可控的需求。

●具身智能： 在物理智能领域，将记忆引擎作为序列数据的处理器，实现存储、计算与微调的一体化 。

●行业深度应用： 如跨境贸易中的销售助手，通过提炼销售策略来提升转化率 。

四、 竞争优势与未来展望

在余宣庆看来，记忆引擎的终局将是“经验交换网络”的基础设施 。虽然大厂也在布局，但独立厂商具备技术路线的灵活性和生态中立性，可以第一时间采用最新的模型和数据库方案 。他预言未来 RAG 会被更高级的记忆平台所取代，记忆将从单纯的存储中间件进化为个人与企业必不可少的数字资产管理工具 。

专题 Q&A

1.问：为什么选择“时间”作为记忆引擎的底层逻辑？

答：应用系统中的所有交互数据本质上都是带有时间戳的事件 。通过捕捉这些时序数据中的趋势和模式，引擎可以为意图判断和主动式服务提供基础，实现“学习并预测”的目标 。

2.问：经验学习层如何解决传统提示词工程（Prompt Engineering）的瓶颈？

答：如果将所有规则都放在提示词中，会产生互相干扰、不完全遵循以及消耗大量 Token 的问题 。经验学习层允许系统自动生成并精准召回规则或技能，通过在线学习持续进化 。

3.问：记忆引擎如何帮助“专业开发者”积累资产？

答：它能将开发者在协作过程中产生的代码风格、踩坑处理方案以及服务器适配经验等固化下来 。这些记忆资产归属于用户或团队，即使用户在不同的 Agent 产品间切换，核心经验也不会丢失 。